Data Storytelling und Data-driven Content

1. Data-driven PR & Data Storytelling Handlungsfelder und Ansatzpunkte

2. Über K12 & mich Werbeintro K12 Agentur für Kommunikation und Innovation: — Kommunikationsberatung — 2006 gegründet — > 45 Mitarbeiter — Sitz in Düsseldorf

3. Über K12 & mich Werbeintro K12 Agentur für Kommunikation und Innovation: — Kommunikationsberatung — 2006 gegründet — > 45 Mitarbeiter — Sitz in Düsseldorf Jörg Hoewner (@hoewner): Co-Gründer von K12, davor diverse Agenturen (PR, Digital, UX-Research). Seit 1993 im Bereich Digitale Kommunikation und Online. Steckenpferd: Alles mit Daten, deren Analyse und Präsentation.

5. JoHn Snow! John Snow (* 15. März 1813 in York; † 16. Juni 1858 in London) war ein britischer Arzt und ein Pionier bei der Einführung der Narkose mit Äther und Chloroform und bei der epidemiologischen Erforschung der Cholera. Seine Kartenzeichnung mit den Epidemiefällen gilt über die Epidemiologie hinaus als eine der ersten nachgewiesenen räumlichen Analysen. Data Storytelling

6. John Snow 1854

8. Datenjournalismus Intro Datenjournalismus („Data driven journalism“ oder „Data journalism“ bzw. #ddj): eine Methode der journalistischen Medienproduktion, bei der mit digitalen Werkzeugen und statistischen Methoden aus großen Datenbeständen journalistisch verwertbare / berichtenswerte Erkenntnisse erarbeitet werden sollen. Daten als Content! (Blöbaum, Dönisch, Geusendam, Pape, Pfanne, Proost, Rietzsch, Tanski, et al., 2013b)

9. „Data storytelling is a structured approach for communicating data insights, and it involves a combination of three key elements: data, visuals, and narrative.“ Brent Dykes, Domo

10. Data Storytelling: Elemente, Funktionen Data Storytelling im Social Media- / Content Marketing — Erklären („Explain“), was in den Daten drin steckt und warum bestimmte Erkenntnisse wichtig sind. — Mit Erkenntnissen aufklären und überraschen („Enlighten“), die ohne visuelle Vermittlung abstrakt bleiben würden. — Leute dazu bringen, sich mit einem Thema zu beschäftigen („Engage“) - oder sogar unterhalten zu werden. Engage Explain Enlighten Narrative Visuals CHANGE Data

11. Die M29 in Berlin Blick in den Journalismus

12. Was können wir damit anfangen? — Themen, bei denen Daten anfallen oder Daten leicht zugänglich sind — Vermittlung komplexer bzw. abstrakter Sachverhalte, bei denen eine tiefer gehende Auseinandersetzung mit den Inhalten förderlich und eine längerfristige Sichtbarkeit wichtig ist Data Storytelling

13. Beispiel: Kundenverhalten als Thema Data Storytelling

16. Welche Kompetenzen braucht man dabei? Data Storytelling Redaktion Design Entwicklung Data Die Idee (für wen überhaupt?) Datenerhebung und -bearbeitung Exploration und Analyse Insights herausarbeiten Story & Konzept entwickeln Realisation & Formatierung Kommunikation & Vermarktung

17. Visualisierungstools Data Storytelling

18. Zwischenfazit: Data Storytelling Erklärt, überrascht und engagiert mit Themen – mit nachhaltiger Wirkung. Führt Daten, Visualisierungen UND Stories zusammen. Aufmerksamkeits- stark, sowohl kurz- als auch längerfristig. Ist besonders gut geeignet zur Präsentation komplexer und abstrakter Themen. Ist ein Projekt, das mehrere Kompetenzen erfordert und aufwendiger ist als „klassische“ Text-Bild-Stories.

19. Was ist nun “datengetriebener Content”? Data-driven PR

20. Die Herausforderung: „Content Shock“ (Mark Schaefer) Data-driven Content Oder die Herausforderung, mit den richtigen Inhalten im richtigen Format die richtige Zielgruppe auf dem richtigen Kanal abzuholen.

21. Ein Blick in den Journalismus

22. Thema Daten: Newsroom- bzw. Editorial Metrics Blick in den Journalismus

23. How did we promote this socially? Blick in den Journalismus

24. Der datengetriebene Content-Prozess: Datenquellen Data-driven Content Umfeld Wettbewerber Stakeholder Controlling Strategie & Positionierung (strategische Themen) Maßnahmenplanung: Redaktion, Visualisierung & Formatierung Ziele Vision Botschaften & Content Targeting (& Personalisierung) Influencer / Multiplikatoren Platzierung Themenauswahl Contentplanung Trends Agenden Akteure Differenzieren Lernen Merkmale Mediennutzung Stakeholder Intents / Use Cases Interessen Influencer- Identifikation Influencer- Agenden KPIs Benchmarks Testing (A/B- /MV) Laufende Kontrolle und Optimierung Laufende konzeptionelle Überprüfung Themen-Identifikation Content Detection Begriﬀe / Tonality Auﬀindbarkeit Agiler Prozess Social Media Listening Medienbeobachtung Search Engine Analytics Social Media Analytics Web Analytics Test Tools (A/B, multivariat) Search Engine Analytics Social Media Listening Social Media Analytics Web Analytics Medienbeobachtung Befragungen Markt-Media-Studien Search Engine Analytics Social Media Listening Social Media Analytics Web Analytics Medienbeobachtung Befragungen Markt-Media-Studien Hashtag-Tools

25. Wann ist nun Content “datengetrieben”? Wenn Daten bzw. aus Daten generierte Informationen als Steuerungsinstrument zum Zweck der Planung, Realisation und Optimierung von Content eingesetzt werden. Data-driven Content Siehe: Unterschied zu “Data Storytelling” (= Daten ALS Content)

26. Daten bekommen ist nicht das Problem. Aber wie bindet man Daten prozessual und organisatorisch in Planungs- und Umsetzungsprozesse ein? Data-driven Content

27. Startpunkt: Content Audit (mit Daten) als Arbeitsgrundlage Entwicklung einer datengestützten Content-Strategie hin zur laufenden Themenplanung Grundlage für Strategie- Entwicklung Grundlage für Betrieb (Redaktions- & SEO-Richtlinien) Themen des Unternehmens ● Strategische Themen ● Ist-Inhalte ● Potentielle Inhalte Wettbewerbs-Themen ● Themensetzung ● Relative Positionierung ● Kampagnenhinweise Zielgruppen-Themen ● Nutzer-Suchverhalten und Inhaltsnutzung ● Social Media-Resonanz auf bestimmte Themen ● Themensetzung durch Influencer ● Themenpotenziale ● Generierung weiterer Themenideen ● Lücken-Analyse ● Themenbewertung und - priorisierung Kartierung der Inhalte (Content Map, z. B. auf Tool “miro”) Grundlage ● Kick off ● Dokumente, bestehende Inhalte ● SoMe Audit ● SoMe Monitoring ● Web- & SoMe Metrics ● SEO-Analyse ● Medien- beobachtung/ MeRa

28. Zielgruppen-Themen identifizieren: Einsatz von SEO-Tools Entwicklung einer datengestützten Content-Strategie hin zur laufenden Themenplanung Konsequenz: • Verschiedene Suchzugänge / Begrifflichkeiten • Saisonale Unterschiede • User Intents: D.h. Interesse in Abhängigkeit von der Stakeholder- Journey Themenüberblick: Was sind Suchthemen? Welche Themen gehören zusammen? ARBEITSBEISPIEL Quelle: Searchmetrics Chancen maximieren: Dort ansetzen, wo das Interesse am größten ist.

29. Zielgruppen-Themen identifizieren: Analyse von Social Media Entwicklung einer datengestützten Content-Strategie hin zur laufenden Themenplanung Quelle: Searchmetrics Konsequenz: • Einzelne Themen / Fragen aufgreifen bzw. als Themenideen sammeln Typische Fragen auf gutefrage.net (weiteres Potenzial identifizierbar über Social Media Listening) ARBEITSBEISPIEL Tool: Search Metrics Content Experience; Alternative: Answer the public

30. Plattformen identifizieren und virale Beiträge beobachten: Monitoring nutzen Entwicklung einer datengestützten Content-Strategie hin zur laufenden Themenplanung Quelle: Ubermetrics Tool: Ubermetrics, Alternative: Beliebige Social Listening-Tools Konsequenz: • Anlässe aufgreifen oder sharen • Kurioses / Skurriles sharen • Negativthemen beantworten (Servicethemen) • Argumente / Use cases identifizieren

31. Die Content-Map als Analyse- und Planungstool (Arbeitsbeispiel) Entwicklung einer datengestützten Content-Strategie hin zur laufenden Themenplanung •Ist-Inhalte Produkte & Services •Chancen-Inhalte Suchmaschinen & Foren •Themen und Inhalte mit Potenzial sind entsprechend markiert: Positionierungschancen Daten-Insights Verwertungschancen •Soll- Inhalte Backlog zum Ausbau/Neu- erstellung ARBEITSBEISPIEL

32. Der datengetriebene Content-Prozess Datenquellen Data-driven Content Umfeld Wettbewerber Stakeholder Controlling Strategie & Positionierung (strategische Themen) Maßnahmenplanung: Redaktion, Visualisierung & Formatierung Ziele Vision Botschaften & Content Targeting (& Personalisierung) Influencer / Multiplikatoren Platzierung Themenauswahl Contentplanung Trends Agenden Akteure Differenzieren Lernen Merkmale Mediennutzung Stakeholder Intents / Use Cases Interessen Influencer- Identifikation Influencer- Agenden KPIs Benchmarks Testing (A/B- /MV) Laufende Kontrolle und Optimierung Laufende konzeptionelle Überprüfung Themen-Identifikation Content Detection Begriﬀe / Tonality Auﬀindbarkeit Agiler Prozess Search Engine Analytics Social Media Analytics Web Analytics Test Tools (A/B, multivariat)

33. Was heißt hier “agil”? Laufende Optimierung Umfeld Wettbewerber Stakeholder Controlling Strategie & Positionierung (strategische Themen) Redaktion, Visualisierung & Formatierung Ziele Vision Botschaften & Content Targeting (& Personalisierung) Influencer / Multiplikatoren Platzierung Themenauswahl Contentplanung Trends Agenden Akteure Differenzieren Lernen Merkmale Mediennutzung Stakeholder Intents / Use Cases Interessen Influencer- Identifikation Influencer- Agenden KPIs Benchmarks Testing (A/B- /MV) Laufende Kontrolle und Optimierung Laufende konzeptionelle Überprüfung Themen-Identifikation Content Detection Begriffe / Tonality Auffindbarkeit Agiler Prozess Laufende Optimierung und Steuerung während der Umsetzungsphase Rückkopplung zur Strategie und laufende Justierung der entscheidenden Parameter

34. Content Entwicklung nach agilen Prinzipien: Daten als Grundlage für iteratives Vorgehen Laufende Optimierung Klassische Content-Entwicklung Interaktive Content-Entwicklung Start Ziel Start Ziel Analysieren Anpassen Analysieren Anpassen Quelle: @Michlschmitt / @stvhirschfeld

35. Tipps zum Abschluss Data-driven Content Umfeld Wettbewerber Stakeholder Controlling Strategie & Positionierung (strategische Themen) Maßnahmenplanung: Redaktion, Visualisierung & Formatierung Ziele Vision Botschaften & Content Targeting (& Personalisierung) Influencer / Multiplikatoren Platzierung Themenauswahl Contentplanung Trends Agenden Akteure Differenzieren Lernen Merkmale Mediennutzung Stakeholder Intents / Use Cases Interessen Influencer- Identifikation Influencer- Agenden KPIs Benchmarks Testing (A/B- /MV) Laufende Kontrolle und Optimierung Laufende konzeptionelle Überprüfung Themen-Identifikation Content Detection Begriﬀe / Tonality Auﬀindbarkeit Agiler Prozess Nicht alles auf einmal: Schrittweise Möglichkeiten erkunden Arbeitswerkzeuge entwickeln, die Spielräume für “analoges” Arbeiten lassen Das wichtigste Arbeitswerkzeug bleibt das Hirn Nicht alles findet sich in vorhandenen Daten, dann einfach mal testen

36. Fazit: Data storytelling Data-driven PR Data Storytelling / Data-driven PR Daten als Content Daten als Steuerungs-Grundlage Daten Daten Data Story Planen, Umsetzen, Steuern Publikum Publikum

37. K12 Agentur für Kommunikation und Innovation GmbH Schirmerstraße 76 D-40211 Düsseldorf Fon Fax E-Mail www.k-zwoelf.com www.facebook.com/kzwoelf www.moderne-unternehmenskommunikation.de (Blog) Kontakt M.A. in Publizistik und Marketing Jörg Hoewner +49 (0) 211 598816 – 32 +49 (0) 211 598816 – 99 joerg.hoewner@k-zwoelf.com

Data Storytelling und Data-driven Content

Data Storytelling und Data-driven Content

Recommended

More Related Content

What's hot

What's hot(13)

Similar to Data Storytelling und Data-driven Content

Similar to Data Storytelling und Data-driven Content(20)

More from Jörg Hoewner

More from Jörg Hoewner(15)

Data Storytelling und Data-driven Content